1. 简介
- 分布式计算分两个阶段:1.将大的任务切分成很多小的任务,然后让集群中的每个节点来对这些小的任务来进行计算;2.小任务运算的结果进行汇总
- 分布式存储:怎么存储,涉及到数据传输的效率问题。
- 数据的处理:存储与运算—存储:HDFS,计算:MapReduce
2.HDFS存储效率—分散存储
存储就是把数据均匀的分散到存储的集群中,如 100g数据,集群100节点按1g切分,则每个节点1g;100g数据,90节点,1g切分,10个节点2g,80个节点1g;100g数据,90节点,512M切分,20个节点1.5g,70个节点1g。 运算使用时间最大的数据计算时间为准
- 数据块的大小,hadoop2之前版本:默认64M,之后默认128M
- HDFS加机器是有上限的:1。HDFS集群是主从架构,主从架构就意味着namenode节点管理的从节点的数量是有上限的。2、无限制的加机器,能加的机器可靠度不是很高。(涉及到成本问题和宕机问题,数据安全性)
3. HDFS集群的数据安全—副本冗余
HDFS 使用了一种最笨但是最有效的方案—用户存入到HDFS的数据,可以根据自己的配置存储多份;HDFS集群中的任何一个节点肯定没有完全相同的两份数据
冗余存储的默认值为3,但是修改hdfs-site.xml文件中的dfs.replication参数修改